旷视科技(Face++)面经

本文分享了一位应聘者在旷视科技的面试经历,涵盖了计算机视觉、深度学习、池化操作、InceptionV3模型、编程题以及双目匹配等相关技术问题。面试中讨论了如何处理图像大小不一致、减少计算复杂度、SVM原理等,并涉及递归矩阵的编程挑战。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一面:

 

介绍一下项目(你参与度最高的)


:Pooling知道吧?我们在做cv的时候,图像经常是不同size的,我们在训练的时候经常通过crop图片取得同size的输入数据。但是训练的时候,输入是整张图,【这样会造成什么后果呢?】用没有什么办法可以解决这个问题呢?即测试的时候如何有效利用整张图的信息?

 

答:测试的时候也crop,每个croped图片有一个预测结果,通过投票的形式得到最后结果。

 

问:因为crop是overlapping的,这种方式会造成在部分图片区域上的重复卷积,增加计算复杂度,有没有办法解决这个问题?

 

答:在卷积输出层,也就是fc层前进行crop(但是网络结构不能改变)

问:怎么做呢?举个例子,原来是8x8x128的卷积输出层,换成全图之后,是10x12x128的卷积层,怎么连接到fc1层(假设是20维的)?

 

答:(在提示下)用20

评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值